# LLM-Benchmark Konfiguration # Modell : NVIDIA-Nemotron-3-Nano-4B # Engine : llama.cpp # Run-ID : run-20260727-090153-aeee69 # GPU : NVIDIA GeForce RTX 5070 Ti # CPU : AMD Ryzen Threadripper PRO 5975WX 32-Cores # RAM : 247 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \ -m /home/godcore/.cache/huggingface/hub/models--DevQuasar--nvidia.NVIDIA-Nemotron-3-Nano-4B-BF16-GGUF/snapshots/86e3ddc0b34d94852cae725ade1b9b015b516f38/nvidia.NVIDIA-Nemotron-3-Nano-4B-BF16.f16.gguf.Q4_K_M.gguf \ --alias NVIDIA-Nemotron-3-Nano-4B \ --host 0.0.0.0 \ --port 8000 \ -ngl 999 \ -c 16384 \ -np 4 \ --jinja

Engine?Die Inferenz-Software, die das Modell ausliefert (z.B. vLLM oder llama.cpp). Sie bestimmt Geschwindigkeit, unterstuetzte Modellformate und welche Parameter ueberhaupt verfuegbar sind.	llamacpp
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	NVIDIA-Nemotron-3-Nano-4B
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	16384
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/home/godcore/.cache/huggingface/hub/models--DevQuasar--nvidia.NVIDIA-Nemotron-3-Nano-4B-BF16-GGUF/snapshots/86e3ddc0b34d94852cae725ade1b9b015b516f38/nvidia.NVIDIA-Nemotron-3-Nano-4B-BF16.f16.gguf.Q4_K_M.gguf
GPU-Layer?Anzahl der auf die GPU ausgelagerten Modell-Layer. Hoeher = mehr VRAM und schneller; der Rest laeuft auf der CPU. 999 = alles auf GPU.	999
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	16384
np	4

All benchmarks of this model To leaderboard

Model comparison

NVIDIA-Nemotron-3-Nano-4B on various hardware

All published performance runs of this model – each bubble a variant: position = prefill (X) × generation (Y), bubble size = number of runs. Closer to the top right = faster. ★ Marked gold = this benchmark.

GPUby graphics card

★ NVIDIA GeForce RTX 5070 Ti 1.197,0 tok/s this runAMD Radeon AI PRO R9700 261,2 tok/sAMD Radeon 8060S Graphics 113,4 tok/sCPU-only 8,0 tok/s

CPUby processor

★ AMD Ryzen Threadripper PRO 5975WX 32-Cores 1.197,0 tok/s this runAMD Ryzen Threadripper PRO 7955WX 16-Cores 261,2 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 113,4 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 8,0 tok/s

MBby mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.197,0 tok/s this runASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 261,2 tok/sBosgame AXB35-02 (BeyondMax Series) 113,4 tok/sDell Inc. PowerEdge R820 8,0 tok/s

ENGby engine

★ llama.cpp 1.197,0 tok/s this run

DRVby driver

unbekannt 1.197,0 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (5× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 10 W

⚡ TDP 10 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)10 W missingBoard 10 W full load

Avg cost / hourEUR 0.0030

Electricity / 1M tokensEUR 0.0012

Token / kWh243.51M

Acquisition (system)EUR 2,096 missingRAM EUR 1,976 · PSU EUR 120

Electricity (2 years)–

TCO (2 years)EUR 2,149

Output tokens (2 years)42.66B

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

No power draw measured – values estimated from GPU TDP + CPU (idle + 15 %) + board.

All values above and the charts below take the configured system utilization into account: at X% the system generates only X% of the time, the rest it idles (10 W). Cost per hour drops (more idle), cost per token rises.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

NVIDIA GeForce RTX 5070 Ti · this run 676 tok/s 3× AMD Radeon AI PRO R9700 261 tok/s AMD Radeon 8060S Graphics 113 tok/s Keine GPU (CPU-only) 8 tok/s

Comparison with up to 3 next-best runs of this model at the same concurrency (at least one on different hardware). Power = GPU TDP + CPU (idle + 15 %) + board (estimated), acquisition = full system (GPU + CPU + board + RAM + PSU), prices = stored market prices.

Contributed by

Mario Alka Administrator

@marioalka

Ich bin Unternehmer, Softwareentwickler und KI-Enthusiast. Seit vielen Jahren entwickle ich Unternehmenssoftware und beschäftige mich inzwischen fast täglich mit lokalen LLMs, KI-Agenten und leistungsfähiger KI-Hardware.

Mit LLM-Benchmark.de möchte ich eine Plattform schaffen, auf der Modelle, GPUs und Agenten objektiv und reproduzierbar miteinander verglichen werden.